基于朴素贝叶斯分类器的软件编译测试分析方法
2018-10-19袁彬
袁彬
摘 要：本文介绍了一种针对嵌入式软件开发包SDK的编译测试的优化方法，通过朴素贝叶斯分类器，可以迅速在编译出错的日志文件中，分析出最有价值的错误信息，节省测试结果的分析时间和成本。
关键词：贝叶斯 文本分类自然语言处理 嵌入式软件 编译测试
引言
目前主流的嵌入式微控制器（MCU）厂商都提供了上千款不同的芯片，为了给客户提供统一的软件使用体验，并方便移植和升级，他们各自都提供了统一的软件开发包Software Development Kit（SDK），如恩智浦的MCUXpresso-SDK。
由于不同的芯片公用了底层的外设驱动软件库，一旦底层软件库有一些编译问题，会给上层的应用程序带来大量的编译错误。如何从大量编译错误日志文件中，自动识别出有价值的编译错误信息，以节省软件编译测试的分析时间和成本，是本文研究的重点。
1.朴素贝叶斯分类器
樸素贝叶斯分类方法是一种简单有效的概率分类方法[1]，是以贝叶斯定理为理论基础，一种在已知先验概率与条件概率的情况下的模式识别方法[2]。朴素贝叶斯的“朴素”得名于条件独立性和位置独立性两个基本假设[3]，虽然实际情况各条件并非完全独立，但是在分类决策中的效果非常好，因此得到广泛应用。
朴素贝叶斯分类器的核心思想是根据已有的先验概率，来计算新的文本属于每个类别的概率，其公式如下：
其中，C = {c1， c2， …， Cn}是一个类别集，P（cx）是文本s属于类别cx的先验概率，
2.训练方案
由上述朴素贝叶斯分类器的思想可知，要想得到某一行编译日志是否是最有价值的错误信息，需要先对所有已知的编译日志进行训练，以得到对应类别的先验概率。
这边将类别划分成两类，第一类A，是编译错误日志类别；第二类B，是编译正确日志类别。将所有已知的错误日志所包含的词项进行训练，得到词项对应的先验概率。接着就可以对新的日志每一行的词项进行分析，得到编译错误类别的后验概率，其概率最高者，就是最有可能是最有价值的编译错误信息。具体流程如下图：
小结
朴素贝叶斯分类器分类精度较高，是一个十分实用的分类器。但是其结果的准确率与先验概率的训练集有很大的关系，也就是说要想获得更加准确的编译日志分类结果，需要借助更多的已有的编译出错日志文件，进行训练。随着训练集的扩大和累积，可以获得非常理想的预期结果，大大提升了嵌入式软件编译测试中分析效率。
参考文献：
[1] 袁方，苑俊英. 基于类别核心词的朴素贝叶斯中文文本分类 [J]. 山东大学学报 （理学版），2006（41） ：46
[2] 李静梅，孙丽华，张巧荣，张春生. 一种文本处理中的朴素贝叶斯分类器 [J]. 哈尔滨工程大学学报，2003（24） ：71
[3] 贺鸣，孙建军，成 颖. 基于朴素贝叶斯的文本分类研究综述 [J]. 情报科学，2016（34）：148
